스마트팩토리와 인공지능

강좌소개

[강좌 요약]

스마트 팩토리의 개념을 소개하고, 이어서 인공지능 기법을 이용하여 스마트 팩토리의 지능화 모듈을 구현하는 방법을 소개합니다. 강의마다 실습녹화 파일을 제공하여 수강생 스스로가 인공지능 기법을 구현하는 능력을 함양합니다. 제조 분야에 종사하지 않지만 인공지능에 관심있는 사람도 충분히 강의를 수강할 수 있도록 내용을 만들었습니다.

[강좌 목적]

4차 산업혁명 시대에 제조 기업의 경쟁력 강화를 위해서 스마트 팩토리는 선택이 아닌 필수입니다. 본 강좌에서는 인공지능 기법을 이용해 스마트 팩토리를 구현하는 이론적 방법을 소개하고 이와 함께 파이썬을 이용해 실습도 병행합니다.

[교수자 소개]

연세대학교 산업공학과 김창욱 교수

[상세 커리큘럼]

	주제명	차시명	키워드	콘텐츠 분량
1	스마트팩토리와 인공지능 개념	스마트팩토리와 인공지능 개념	스마트 팩토리와 인공지능 지도학습 비지도학습 회귀모델 분류모델	00:48:19
2	머신러닝 프로세스	머신러닝 프로세스	데이터 수집 데이터분할 데이터 전처리 회귀모델 성능 지표 분류모델 성능 지표	01:11:07
3	기초 가상 계측 모델: 선형회귀	기초 가상 계측 모델: 선형회귀	회귀분석과 가상계측 단순선형회귀 최소자승법 다중선형회귀 다중공선성 분산팽창지수	01:10:13
4	기초 공정이상탐지 모델: 로지스틱 회귀	기초 공정이상탐지 모델: 로지스틱 회귀	공정이상탐지와 로지스틱 회귀 선형회귀와 로지스틱 로지스틱 함수 오즈, 로짓 회귀계수 다중 로지스틱 회귀	00:46:20
5	기초 공정이상탐지모델: 의사결정나무	기초 공정이상탐지모델: 의사결정나무	의사결정나무 구성 요소 CART 알고리즘 지니불순도 정보이득 가지치기 회귀나무 의사결정나무를 이용한 FDC	01:13:59
6	고등 예측 모델: 앙상블 기법1	고등 예측 모델: 앙상블 기법1	앙상블 기법의 핵심 아이디어 Bagging 붓스트랩 샘플링 Random Forest 변수 중요도	00:53:47
7	고등 예측 모델: 앙상블 기법2	고등 예측 모델: 앙상블 기법2	Boosting 개요 GBM XGBoost	01:26:27
8	불량인자 분석: 연관규칙 학습	불량인자 분석: 연관규칙 학습	불량인자 연관규칙 학습 연관규칙 지표 Apriori 알고리즘 Apriori 알고리즘 이용한 불량인자 파악	01:00:31
9	불량인자 분석: 대조집합 학습	불량인자 분석: 대조집합 학습	대조집합 학습 STUCCO 알고리즘 STUCCO를 사용한 저수율 인자 파악	01:10:24
10	예측 모델 고도화: 차원 축소1	예측 모델 고도화: 차원 축소1	차원의 저주 mRMR Algorithm Ridge Lasso	01:00:11
11	예측 모델 고도화: 차원 축소2	예측 모델 고도화: 차원 축소2	PCA 수행 방법 잠재변수 로딩벡터와 행렬 스코어벡터와 행렬 MPCA	01:11:37
12	불량 제품 이미지 탐색 기초: 인공신경망	불량 제품 이미지 탐색 기초: 인공신경망	인공 신경망 퍼셉트론 다층 퍼셉트론 활성함수 손실함수 경사하강법 역전파 알고리즘	01:21:05
13	불량 제품 이미지 탐색: 딥러닝1	불량 제품 이미지 탐색: 딥러닝1	딥러닝 ReLU 함수 드롭 아웃 소프트맥스 함수 크로스 엔트로피 오토인코더	00:56:06
14	불량 제품 이미지 탐색: 딥러닝2	불량 제품 이미지 탐색: 딥러닝2	CNN CNN 구조 컨볼루션층 풀링층 완전 연결층	01:19:39
			총 콘텐츠 분량	15:29:45

관련 문의 : 연세대학교 교무처 교수학습혁신센터 (02-2123-4201~4205, ictl@yonsei.ac.kr)

강의영상 미리보기

수강후기

등록된 수강후기가 없습니다.

1,000,000원

포인트 사용

10,000포인트 적립

로그인하시면 강좌에 등록할 수 있습니다.

조건

이수조건
수료조건

분야
강의자김창욱
수료증발급
학습기간2021-09-06 ~ 2022-05-01
(수강신청일 또는 학습시작일로부터 +90일까지)
※ 학습종료일 이후에는 기간이 남았더라도 입장할 수 없습니다.
학습언어한국어 ‎(ko)‎